Economic Evaluations of Next-Generation Precision Oncology: A Critical Review
Notice bibliographique
Résumé
PURPOSE: Precision oncology has the potential to improve patient health and reduce treatment costs. Yet the up-front cost of genomic testing with next-generation sequencing (NGS) technologies can be prohibitive. Our study is a structured review of economic evaluations of precision oncology informed by NGS. The aim is to characterize the availability and scope of economic evidence. MATERIALS AND METHODS: We searched Medline (PubMed), Embase (Ovid), and Web of Science databases for English-language full-text peer-reviewed articles published between 2000 and 2016. We focused our search on articles that estimated the benefit of precision oncology in relation to its costs. We excluded studies that did not undertake full economic evaluations or did not focus on NGS technologies. We reviewed all included studies and summarized key methodological and empirical study characteristics. RESULTS: Fifty-five economic evaluations met our inclusion criteria. The number of published studies increased steadily, from three studies between 2005 and 2007 to 26 between 2014 and 2016. Most studies evaluated multiplex panels (86%). We found testing was frequently used to predict prognosis (67%), to diagnose patients (24%), or to identify targeted therapeutic options (7%). Methods and cost effectiveness differed according to NGS technology, test strategy, and cancer type. Deterministic and probabilistic analyses were typically used to characterize parameter and decision uncertainty (91% and 75%). CONCLUSION: Although the availability of economic evidence examining precision oncology increased over time, methods used often did not align with current guidelines. Future evaluations should undertake extensive sensitivity analysis to address all sources of uncertainty associated with rapidly changing NGS technologies. Furthermore, additional research is needed evaluating the cost effectiveness of more comprehensive next-generation technologies before implementing these on a wider scale.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,079 | 0,290 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,010 |
| Bibliométrie | 0,013 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».